Baixe o app para aproveitar ainda mais
Prévia do material em texto
Álgebra Linear Centro Universitário Estácio de Sá Igor Soares Revisão para AV2 | Brasília - 2017 A = Aula 1 – Matrizes; Operações e Determinantes Uma matriz pode ser vista como uma planilha de dados da qual podemos extrair ou incluir informações relativas a problemas da natureza prática. Formalmente definimos uma matriz como uma disposição retangular de números ou funções do tipo Diagonal principal da matriz quadrada A: é formada pelos elementos aij, tais que i=j Matriz nula: possui todos os elementos iguais a zero. Matriz triangular superior: é uma matriz quadrada cujos elementos situados abaixo da diagonal principal são iguais a zero. Matriz triangular inferior: é uma matriz quadrada cujos elementos situados acima da diagonal principal são iguais a zero Matriz diagonal: é uma matriz quadrada cujos elementos fora da diagonal principal são iguais a zero. Matriz identidade: denotada por In, é uma matriz diagonal cujos elementos da diagonal principal são aij = 1 Matriz linha: é a matriz que possui apenas uma linha Matriz coluna: é a matriz que possui apenas uma coluna Matriz transposta da Matriz A=(aij): denotada por A t, é tal que o elemento situado na linha i e coluna j de A passa a ser o elemento da linha j e coluna i de At. Matriz simétrica: é uma matriz tal que A = At Matriz antissimétrica: é uma matriz tal que A = - At A soma de matrizes só pode ser realizada quando são de mesma ordem, sendo a soma de cada elemento correspondente. A multiplicação por escalar é obtida multiplicando-se cada elemento pelo escalar em questão. a11 a12 --- a1n a21 a22 --- a2n --- --- aij --- am1 am2 --- amm Quando a matriz tem o mesmo número de linhas e colunas, chamamos de Matriz Quadrada aij é a linha i e coluna j Álgebra Linear Centro Universitário Estácio de Sá Igor Soares Revisão para AV2 | Brasília - 2017 Produto de matrizes: é necessário que o número de colunas da primeira matriz (A) seja igual ao número de linhas da segunda (B), ex: A (m x p) + B (p x n) = C (p x p) Para definir cada elemento de C é preciso: Selecionar a linha i na matriz A Selecionar a coluna j da matriz B Efetuar a soma dos produtos dos elementos da linha i pelos da coluna j, da seguinte forma: cij = ai1*b1j + ai2*b2j + ... + ain*bnj, para todo i e j. As potências matriz de uma matriz quadrada de ordem (n x n) são: A2 = A*A; An = A*A*...*A (n vezes) Determinante de uma matriz: denotado por det (A) ou │A│, é um número que está associado a essa matriz calculado da seguinte forma: Caso 1: A (a) det (A) = a; Caso 2: A det (A) = ad – BC Caso 3: A det (A) Repetimos as duas primeiras colunas após a terceira coluna, traçamos 3 diagonais em cada sentido, sendo as linhas vermelhas com sinal negativo e as verdes com sinal positivo: 1 2 3 4 5 6 1 = - c*e*g 4 = + a*e*i 2 = - a*f*h 5 = + b*f*g 3 = - b*d*i 6 = + c*d*h O det (A) será a somatória dos produtos indicados. det (A) = aei + bfg + cdh – ceg – afh – bdi Cofator: denotado por Δij, é definido por Δij = (-1) i+j * det (Aij), onde Aij denota a matriz obtida da matriz A suprimindo-se a linha i e a coluna j. a b c d a b c d e f g h i a b c a b d e f d e g h i g h Álgebra Linear Centro Universitário Estácio de Sá Igor Soares Revisão para AV2 | Brasília - 2017 Regra de Laplace: Escolher uma linha ou coluna Se a linha i da matriz for escolhida, então: det (A) = ai1* Δi1 + ai2* Δi2 + ... + ain* Δin Propriedades do determinante: Sejam A e B matrizes quadradas na ordem n. det (A t ) = det (A) det (k*A) = k n *det (A), sendo k um número real det (A*B) = det (A) * det (B) Se A possui linhas (colunas) iguais ou proporcionais, então det (A) = 0 Se trocarmos as posições de duas linhas (colunas) de A, o seu determinante fica multiplicado por (-1). Se A é uma matriz triangular seu determinante é o produto dos elementos da diagonal principal. Se somarmos a uma linha (ou coluna) de A um múltiplo de outra linha (ou coluna), o determinante da nova matriz é igual ao de A. Aula 2 – Inversa e cálculo de posto de uma matriz Uma matriz quadrada A de ordem n, pode ser considerada inversível quando podemos encontrar uma matriz B também de ordem n: AB = BA = In Assim, a matriz B é inversa de A, sendo denotado por: B = A-1 Calculando isto através de substituição de variável, temos que: A−1 = 1 det (A) ∗ d -b -c a A matriz de cofatores de A, denotada por A , é formada calculando-se todos os cofatores de A, isto é: A = ∆ij * = = a b c d x y z w 1 0 0 1 ax+bz ay+bw cx+dz cy+dw 1 0 0 1 AB= Atenção: Uma matriz quadrada de ordem n é inversível se, e somente se, o seu determinante for diferente de zero. Álgebra Linear Centro Universitário Estácio de Sá Igor Soares Revisão para AV2 | Brasília - 2017 Matriz Adjunta de A: é definida como a transposta da matriz dos cofatores de A, ou seja: Adj (A) = (A ) t Então a temos que a matriz inversa de A, pode ser encontrada por: A-1= 1 det (A) * adj (A) Propriedades da inversa Sejam A e B matrizes quadradas de ordem n inversíveis. A inversa da matriz identidade é a matriz identidade (A-1)-1 = A (k * A)-1 = 1 k * A-1 (At)-1 = (A-1)t (A * B)-1 = B-1 * A-1 det (A-1) = 1 det (A) Operações elementares com as linhas de uma matriz Troca de linhas: é a troca de uma linha i por uma linha j Li Lj Multiplicação de uma linha por um escalar não nulo: onde todos os elementos de uma linha são multiplicados por um escalar Li k*Lj Substituição de uma linha multiplicada por ela própria adicionada a outra linha multiplicada por um escalar (Li Li + k * Lj) Matrizes linhas equivalentes: Uma matriz B é linha equivalente a uma matriz A se B for obtida de A por um número finito de operações elementares: Uma matriz A é considera escalonada se: O primeiro elemento não nulo de uma linha não nula for um. Cada coluna que contiver o primeiro elemento não nulo de uma linha deve ter todos os outros elementos iguais a zero. O número de zeros que precede o primeiro elemento não nulo de cada linha deve crescer linha após linha. Toda linha nula deve vir abaixo de todas as linhas não nulas. Posto de uma matriz: Seja B a matriz escalonada da matriz A. Definimos o posto de A como sendo o número de linhas não nulas da matriz B. Outras maneiras de calcular a inversa de uma matriz: Álgebra Linear Centro Universitário Estácio de Sá Igor Soares Revisão para AV2 | Brasília - 2017 Operações elementares x y ax + by = c fig. 1 A forma escalonada de uma matriz quadrada inversível é sempre a matriz identidade. A mesma sequência de operações elementares que transforma a matriz A na matriz identidade transforma a matriz identidade na matriz inversa de A. ( A │ ln ) ( ln │ A -1 ) Aula 3 – Sistemas de Equações Lineares Toda equação linear nas variáveis x e y no plano cartesiano é da forma ax + by = c, para a, b e c são constantes, representados pela reta da fig1 Já no espaço R3 é acrescentada a variável z, dando a equação ax + by + cz = d, sendo a, b, c e d números reais, o gráficoé mostrado na fig2 Um sistema linear com m equações e n variáveis é um conjunto representado por: a11*x1+a12*x2+…+ a1n*xn=b1 a21*x1+a22*x2+…+ a2n*xn=b2 …………………………………….. am1*x1+am2*x2+…+ amn*xn=bm Então um sistema linear com m equações e n variáveis fica representado pela equação matricial AX = b. Onde A é a matriz dos coeficientes, X é o vetor da incógnitas e B o vetor dos termos independentes. Matriz Ampliada do sistema é obtida acrescentando-se a matriz dos coeficientes uma coluna com os termos independentes. Um sistema de equações lineares pode ser classificado como: x y z ax + by + cz = d fig. 2 Álgebra Linear Centro Universitário Estácio de Sá Igor Soares Revisão para AV2 | Brasília - 2017 Sistema Possível e Determinado (SPD): possui apenas uma única solução Sistema Possível e Indeterminado (SID): possui infinitas soluções Sistema Impossível (SI): não possui solução. Teorema de Rouché-Capelli Um sistema linear com m equações e n variáveis possui solução se e somente se o posto da matriz ampliada (pa) for igual a posto da matriz de coeficientes (pc), ou seja. pa = pc = p Se p = n então, o sistema terá solução única (SPD) Se p < n então, o sistema terá infinitas soluções (SPI). Neste caso, para resolvê-lo, basta escolher (n – p) variáveis e obter as outras p variáveis em função desta. Se pa ≠ pc o sistema não possui soluções (SI). Método de Eliminação de Gauss: consiste em reduzir a matriz ampliada do sistema, por operações elementares, a uma matriz que só difere da forma escalonada quando: “Toda coluna que tiver o primeiro elemento não nulo de uma linha deve ter todos abaixo deste iguais a zero.” Após a redução da matriz ampliada a esta forma, a solução final do sistema é obtida por substituição Sistema Linear Homogêneo: é um sistema de equações lineares onde todos os termos independentes são iguais a zero. Descrito como: AX = 0, onde 0 é o valor de b. Quando este sistema é SPD, ele admite a solução mais trivial, no caso X1, X2,..., Xn = (0, 0, 0) Resolução de Sistemas utilizando inversão de matrizes Um sistema linear com m equações e n variáveis, com m = n, pode ser apresentado pela equação matricial AX = b, sendo A a matriz dos coeficientes (quadrada de ordem n). Se a matriz A for inversível, então o sistema é possível e determinado. A * X = b X = A-1 * b Álgebra Linear Centro Universitário Estácio de Sá Igor Soares Revisão para AV2 | Brasília - 2017 Aula 4 – Visão geométrica das soluções de um sistema linear e regra de Cramer Interpretação geométrica da solução de um sistema linear no plano cartesiano (R2) R2= x, y x, y ϵ Reais O sistema linear de duas incógnitas pode ser classificado como: SPD – Retas Concorrentes (Interceptam-se em um único ponto) Ex: x + y = 1 2x + 3y = 7 SPI – Retas Coincidentes (Interceptam-se em infinitos pontos) Ex: x - 2y = 2 2x - 4y = -4 SI – Retas Paralelas (Não se interceptam ou interceptam-se no infinito) Ex: x + y = 2 x + y = -3 No R3 o sistema é representado por: R3= x, y, z x, y, z ϵ Reais A regra de Cramer: só pode ser usada para resolver sistemas em que o número de equações é igual ao número de incógnitas. E o det A ≠0 a11x1+ a12x2 + … + a1nxn = b1 a21x1+ a22x2 + … + a2nxn = b2 an1x1+ an2x2 + … + annxn = bn Onde, A = a11 ⋯ a1n ⋮ ⋱ ⋮ an1 ⋯ ann é a matriz dos coeficientes; X = X1 ⋮ Xn É a matriz das incógnitas e b = b1 ⋮ bn é a matriz dos termos independentes. A matriz A deve ser inversível, então: X = A-1* b Álgebra Linear Centro Universitário Estácio de Sá Igor Soares Revisão para AV2 | Brasília - 2017 Para resolução de um sistema usando a regra de Cramer, será calculado o determinante da matriz substituindo cada matriz das incógnitas pela dos termos independentes, sendo uma por vez. E este valor ser divido pelo determinante da matriz dos coeficientes. Aula 5 – Espaços Vetoriais Os vetores no plano R2 e R3 são representados por (u1, u2, ... , un). O espaço Rn ou espaço real de dimensão n é definido como sendo o conjunto de todos os vetores de dimensão n. Operações em Rn u + v = (u1+v1, u2+v2, ..., un=vn) α*u = (α*u1, α*u2, ..., α*un) sendo α um escalar real. Propriedades (u + v) + w = u + (v + w) propriedade associativa u + v = v + u propriedade comutativa u + 0 = u onde 0 é o vetor nulo, ou seja, 0 = (0, 0, ..., 0) u + (-u) = 0 propriedade de existência do vetor simétrico de u α * (u + v) = α*u + α*v (α + β)*u = α*u + β*u (α *β)*u = α *(β*u) 1*u = u Subespaço vetorial Um subespaço do espaço vetorial V é um espaço vetorial de tamanho “menor” dentro de V. Se W é um subespaço de V então o elemento nulo de V pertence a W obrigatoriamente. Aula 6 – Dependência e independência linear Combinação linear: Sejam os n vetores {v1, v2, ..., vn} pertencentes ao espaço vetorial real V. Uma combinação linear entre estes vetores é um vetor w. Também pertencente ao V, tal que: w = a1v1 + a2v2 + ... + anvn onde a1, a2, ..., an são escalares reais Álgebra Linear Centro Universitário Estácio de Sá Igor Soares Revisão para AV2 | Brasília - 2017 A combinação linear entre os vetores só será possível se um sistema linear gerado possuir solução. Os vetores fixos v1, v2, ..., vn em um espaço vetorial V geram V se todo vetor V for uma combinação linear de v1, v2, ..., vn, ou seja: V = v1, v2, ..., vn. Os passos para verificar se os vetores v1, v2, ..., vn geram o vetor V, são: Escolher um vetor v qualquer em V. Verifique se v é uma combinação linear dos vetores dados. Se for, então os vetores dados geram V. Se não, eles não geram V. Independência Linear: Seja β = {v1, v2, ..., vn} um conjunto de n vetores em um espaço vetorial V. Dizemos que o conjunto β é linearmente dependente (LI), ou os vetores v1, v2, ..., vn são LI, se a combinação linear nula a1v1 + a2v2 + ... + anvn = 0, onde todos os escalares são iguais a zero. Dependência Linear: o conjunto ou os vetores são considerados linearmente dependentes (LD) caso na combinação linear nula exista ao menos um escalar diferente de 0. Aula 7 –Base e Dimensão de um espaço vetorial Seja V um espaço vetorial finitamente gerado. Dizemos que o conjunto 𝛽 = u1, u2, . . . , un , contido em V é uma base de V se: 𝛽 = u1 , u2, . . . , un , é um conjunto linearmente independente. [β] = V, ou seja, o subespaço gerado por B é V. Em outras palavras, podemos dizer que o conjunto formado por todas as combinações lineares de u é igual ao conjunto V. Esse conjunto deve ser linearmente independente. Seja 𝛽 = u1, u2, . . . , un um conjunto gerador do espaço vetorial V. Então, sempre podemos extrair de β uma base para V. Seja V um espaço vetorial gerado por um conjunto finito de vetores u1, u2, . . . , un . Então qualquer conjunto com mais de n vetores é LD. Os vetores de um espaço vetorial são sempre representados em termos de suas coordenadas. Entretanto, essas coordenadas dependem da base ou referencial estabelecido para o espaço, isto Álgebra Linear Centro Universitário Estácio de Sá Igor Soares Revisão para AV2 | Brasília - 2017 significa que, quando alteramos o referencial do espaço as coordenadas dos vetores também se alteram. Aula 8 – Transformações Lineares Uma Transformação Linear será uma funçãoque leva vetores do espaço vetorial U em vetores do espaço vetorial V que poderá ser descrita na forma: T u = A.u Sendo u um vetor do espaço vetorial U e A uma matriz. T(k *u) = k*T(u), para todo escalar k T(u + v) = T(u) + T(v), para todo vetor u e v em V Se T(0) ≠ 0 então a Transformação T não é uma Transformação Linear A imagem de T Im(T), é o conjunto de todos os vetores v do espaço vetorial V de modo que v = T(u) para algum u do espaço vetorial U O núcleo T N(T), é o conjunto de vetores de U que são levados por T no elemento nulo de V. Se T: Rn → Rm é linear, T(X) = AX, e a matriz A é chamada de matriz canônica para a transformada linear T. Aula 9 – Autovalores e Autovetores Operador linear: é uma Transformação linear de um espaço vetorial V nele próprio, T: V→V . Então toda matriz que representa um Operador Linear em relação a uma base de V é sempre quadrada e de ordem (dim V x dim V) Seja A uma matriz n x n. Um vetor não nulo V ∈ Rn é um autovetor da matriz A se AV = λV, para algum escalar λ. O escalar λ é chamado de autovalor para A se existe solução não trivial X, para AV = λV. Este X é chamado de autovetor associado ao autovalor λ. Seja A uma matriz da ordem (n x n) que representa o operador linear T em uma base de espaço Rn. Então os autovalores e autovetores da matriz A são obtidos por: Álgebra Linear Centro Universitário Estácio de Sá Igor Soares Revisão para AV2 | Brasília - 2017 Av = λv Para o número real λ e para v ≠ 0 ∈ Rn. Os autovalores da matriz A serão dados pelas raízes reais de um polinômio em λ do grau n, denotado por p(λ), que se chama polinômio característico. Os autovetores serão dados pela resolução de um sistema linear homogêneo de equações do tipo indeterminado. Método do polinômio característico, para quando A é uma matriz de ordem (n x n): Escrever a matriz (A – λln), ln = matriz identidade de mesma ordem da matriz A Obter o polinômio característico da matriz A, dado por: p λ = det A – λln =0 Achar as raízes do polinômio característico p(λ), os autovalores. Para cada autovalor λ encontrado, resolver o sistema homogêneo dado por A – λln ∗ v = 0 Para v ≠ 0. Aula 10 – Diagonalização de Operadores Lineares – Aplicações de Autovalores e Autovetores Polinômio da matriz: seja p x = a0+a1x+ a2x n um polinômio de x de grau n, e seja A uma matriz quadrada. Então, p(A) é a matriz p A = a0ln+a1A+ ⋯+anA Dada uma matriz quadrada A, definimos o polinômio minimal da matriz A como: m x = xk + ak-1x k-1 + ⋯ + a1x + a0 De modo que: O polinômio m(x) anula A, ou seja, m(A) = 0. m(x) é o polinômio de menor grau dentre todos aqueles que anulam a matriz A Sejam T: V→V um operador linear e α uma base qualquer do espaço vetorial V. Então, T é diagonalizável se e somente se o polinômio minimal da matriz A que representa o operador na base α for da forma Álgebra Linear Centro Universitário Estácio de Sá Igor Soares Revisão para AV2 | Brasília - 2017 m x = x-λ1 x-λ2 ⋯ x-λn , em que os números reais 𝜆1, λ2,… , λn são todos distintos. Diagonalizando o operador linear T pelo método do polinômio minimal. Seja A uma matriz que representa o operador linear T em uma base de espaço vetorial V: Achar o polinômio característico de A. Encontrar o polinômio minimal de A. Verificar se o polinômio minimal d A é da forma x-λ1 x-λ2 ⋯ x-λn , com 𝜆1, λ2,… , λn distintos.
Compartilhar